CN114548597A - 一种交直流混合光储配电网优化方法 - Google Patents

一种交直流混合光储配电网优化方法 Download PDF

Info

Publication number
CN114548597A
CN114548597A CN202210208988.5A CN202210208988A CN114548597A CN 114548597 A CN114548597 A CN 114548597A CN 202210208988 A CN202210208988 A CN 202210208988A CN 114548597 A CN114548597 A CN 114548597A
Authority
CN
China
Prior art keywords
power
node
objective function
voltage source
distribution network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210208988.5A
Other languages
English (en)
Inventor
谢知寒
杨跃平
张晓波
吴昊
叶夏明
曹松钱
谢雅雯
姜炯挺
董润方
秦桑
杨扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Innovation And Entrepreneurship Center Of State Grid Zhejiang Electric Power Co ltd
Original Assignee
Innovation And Entrepreneurship Center Of State Grid Zhejiang Electric Power Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Innovation And Entrepreneurship Center Of State Grid Zhejiang Electric Power Co ltd filed Critical Innovation And Entrepreneurship Center Of State Grid Zhejiang Electric Power Co ltd
Priority to CN202210208988.5A priority Critical patent/CN114548597A/zh
Publication of CN114548597A publication Critical patent/CN114548597A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J4/00—Circuit arrangements for mains or distribution networks not specified as ac or dc
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/14—Balancing the load in a network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种交直流混合光储配电网优化方法，其中多目标鲁棒优化模型中的目标函数全方位考虑了交直流混合配电网中网络损耗、电压偏差和运行代价，并考虑了其中的柔性开关器件、储能系统和电压源变换器对交直流混合配电网运行期间产生影响的运行参数，协调优化中应用了多种控制手段，柔性互连设备即柔性开关器件能够有效调节交直流混合柔性配电网中不同部分之间的功率潮流，同时还考虑了分布式发电和载荷的不确定性，提出一种同时考虑运行代价、电压偏差和网络损耗的多目标鲁棒优化方法，且基于二阶锥松弛和列约束生成算法的两阶段鲁棒优化方法，能够更加快速有效地处理负荷和可再生能源的波动。

Description

一种交直流混合光储配电网优化方法
技术领域
本发明涉及配电网资源管控领域，特别涉及一种交直流混合光储配电网优化方法。
背景技术
随着碳排放和分布式发电(distributed generation，DG)越来越得到关注，可再生能源的利用率正在提高，其中光伏(photovoltaic，PV)和风机已经得到了充分利用。此外，储能系统(energy storage system，ESS)、柔性载荷和很多的直流设备连续连接到配电网络，这些变化使得交直流混合配电网成为未来配电网的发展趋势。现代电子设备(分布式发电、储能系统和柔性互连器件)具有响应速度快、控制范围广、运行成本低等优点，为配电系统运行控制系统带来了灵活的可控手段，但同时也使得系统的不确定性大大提高。因此，为了提高能源效率和操作灵活性，有必要研究一种考虑多种控制手段和不确定性的交直流混合配电系统中的新型优化调度方法。
太阳能、风能及各种负荷的波动使得传统的确定性优化不再适用。为了使优化更加准确，鲁棒优化已成为配电网、微电网等领域不可或缺的方法，包括调压、网络重构、储能设备优化和降低运营成本。
电力电子技术的不断发展将柔性可控电子设备带入配电网，包括柔性互连设备、分布式发电和无功功率补偿设备。在交直流混合配电网中，电压源变换器作为交流和直流配电网络之间的互连设备，还可以调节交流网络中的有功/无功功率和直流网络中的有功功率。
在现有的研究中，为了应对不确定性带来的影响，鲁棒优化已经成功应用，但是现有的鲁棒优化方法仅包括单目标优化模型，多目标模型很少应用到鲁棒优化方法中，使得鲁棒优化大多只包含网络损耗方面，这就无法兼顾电压偏差和网络损耗两方面。
柔性开关的引入使得系统在经济型和安全性等方面都得到了明显的提升，在交流系统中已经得到应用，但是在交直流混合配电网中很少考虑柔性开关、储能系统等控制手段的联合优化。
为此，需要一种提高交直流混合配电网的灵活性和可靠性的交直流混合光储配电网优化方法。
发明内容
有鉴于此，本发明的目的在于提供一种交直流混合光储配电网优化方法，提高交直流混合配电网的灵活性和可靠性。其具体方案如下：
一种交直流混合光储配电网优化方法，包括：
给定一组不确定集至预设的多目标鲁棒优化模型；所述不确定集为包括交直流混合配电网中与分布式发电装置和载荷的输出功率对应的不确定度变量的集合；
利用所述多目标鲁棒优化模型中的主问题模型基于所述不确定集对以交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标函数求解，得到主问题目标函数值；
将所述主问题目标函数值代入所述多目标鲁棒优化模型中的子问题模型对所述目标函数求解，得到新的新不确定集以及子问题目标函数值；判断所述子问题目标函数值与所述主问题目标函数值的差值是否小于等于预设的阈值；
如果否，则将所述新不确定集重新返回至所述多目标鲁棒优化模型，进行迭代计算，以再次判断新的主问题目标函数值与子问题目标函数值；
如果是，则得到与所述目标函数对应的目标运行参数；
其中，所述多目标鲁棒优化模型为基于二阶锥松弛算法和列约束生成算法的两阶段鲁棒优化模型。
可选的，所述目标函数为：f＝min(λ1Ploss+λ2ΔV+λ3Cop)；
其中，
Figure BDA0003530246490000021
Figure BDA0003530246490000022
Figure BDA0003530246490000023
Figure BDA0003530246490000031
式中，f是目标函数值，λ1、λ2和λ3是全天网络损耗(Ploss)、电压偏差(ΔV)和运营成本(Cop)的权重因子，λ1+λ2+λ3＝1，Nac和Ndc分别是交流和直流配电系统的节点数；功率损耗Ploss：Ωi是连接到节点i的所有节点的集合，Rij是节点i和节点j之间分支的阻力，Iij是从节点i到节点j的电流，price(t)是时间t的电价；电压偏差ΔV：Vi(t)是节点i在时间t处的节点电压，Vop最小值和Vop最大值是电压优化范围的最大值和最小值；运营成本Cop：K、N和J分别是电压源变换器、柔性开关和储能系统的数量，
Figure BDA0003530246490000035
和
Figure BDA0003530246490000036
分别是第k个电压源变换器和第n个柔性开关在时间t的功率损耗，
Figure BDA0003530246490000037
和
Figure BDA0003530246490000038
是第j个储能系统的充/放电功率，储能系统从电网吸收功率为正，Kess是储能系统的单位功率充/放电成本系数，取决于投资成本和维护成本。
可选的，所述目标函数的约束条件包括：潮流约束条件、电压源变换器约束条件、柔性开关约束条件、储能系统约束条件和安全运行约束条件。
可选的，所述潮流约束条件，包括：
Figure BDA0003530246490000032
Figure BDA0003530246490000033
Figure BDA0003530246490000034
式中，
Figure BDA0003530246490000039
是以节点i为头节点的分支集，φi是以节点i为结束节点的分支集，Rij和Xij是分支ij的阻力和电抗，Pih(t)和Qih(t)表示时间t时从节点i到节点h的有功和无功功率，Pi(t)和Qi(t)是节点i在时间t处注入的有功和无功功率，Pij(t)和Qij(t)是时间t时从节点i到节点j的有功和无功功率流，Vj(t)为节点j时间t时的电压幅值。
可选的，所述电压源变换器约束条件，包括：
Figure BDA00035302464900000310
Figure BDA00035302464900000311
Figure BDA00035302464900000312
Figure BDA00035302464900000313
Figure BDA0003530246490000041
式中，
Figure BDA0003530246490000042
和
Figure BDA0003530246490000043
是第k个电压源变换器的交流侧在时间t时注入的有功功率和无功功率，
Figure BDA0003530246490000044
是第k个电压源变换器在时间t时的有功损耗，
Figure BDA0003530246490000045
是第k个电压源变换器的直流侧在时间t时注入的有功功率，
Figure BDA0003530246490000046
和
Figure BDA0003530246490000047
是第k个电压源变换器的等效电阻和电抗，
Figure BDA0003530246490000048
是第k个电压源变换器的容量限制，
Figure BDA0003530246490000049
是第k个电压源变换器的损耗系数，
Figure BDA00035302464900000410
和
Figure BDA00035302464900000411
是第k个电压源变换器的有功功率和无功功率的上限。
可选的，所述柔性开关约束条件，包括：
Figure BDA00035302464900000412
Figure BDA00035302464900000413
Figure BDA00035302464900000414
式中，M是柔性开关的第n个端子数，Tm表示柔性开关的第m个终端，
Figure BDA00035302464900000415
和
Figure BDA00035302464900000416
是第n个柔性开关的m端在时间t时的有功功率，无功功率和有功功率损耗，
Figure BDA00035302464900000417
是第n个柔性开关的m端额定视在功率，
Figure BDA00035302464900000418
是第n个柔性开关的损耗系数。
可选的，所述储能系统约束条件，包括：
Figure BDA00035302464900000419
Figure BDA00035302464900000420
式中，对于第j个储能系统，
Figure BDA00035302464900000421
是最大充电/放电功率，
Figure BDA00035302464900000422
是二元变量，当储能系统在时间t处于充电状态时等于0，处于放电状态等于1，
Figure BDA00035302464900000423
EESS(0)和
Figure BDA00035302464900000424
分别表示第j个储能系统的存储能量最小值、初始存储能量和存储能量最大值。
可选的，所述安全运行约束条件，包括：
Vi,min≤Vi(t)≤Vi,max；
Figure BDA00035302464900000425
式中，Vi,max和Vi,min是节点电压的上限和下限，Iij,max是支路允许的最大电流值。
可选的，所述不确定集，包括：
Figure BDA0003530246490000051
Figure BDA0003530246490000052
式中，uDG(t)和uL(t)是分布式发电和载荷在时间t的实际输出功率，
Figure BDA0003530246490000053
和
Figure BDA0003530246490000054
是t时分布式发电和载荷的预测输出功率，
Figure BDA0003530246490000055
和
Figure BDA0003530246490000056
是时间t时分布式发电和载荷功率的最大预测偏差，u表示分布式发电和载荷的不确定度变量。
可选的，所述将所述新不确定集重新返回至所述多目标鲁棒优化模型，进行迭代计算时，还包括：
对所述多目标鲁棒优化模型增加下一次迭代的中引入子问题的主问题的变量和对应的下一次约束条件。
本发明中，交直流混合光储配电网优化方法，包括：给定一组不确定集至预设的多目标鲁棒优化模型；不确定集为包括交直流混合配电网中与分布式发电装置和载荷的输出功率对应的不确定度变量的集合；利用多目标鲁棒优化模型中的主问题模型基于不确定集对以交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标函数求解，得到主问题目标函数值；将储能系统充放电功率状态代入多目标鲁棒优化模型中的子问题模型对目标函数求解，得到新的新不确定集以及子问题目标函数值；判断子问题目标函数值与主问题目标函数值的差值是否小于等于预设的阈值；如果否，则将新不确定集重新返回至多目标鲁棒优化模型，进行迭代计算，以再次判断新的主问题目标函数值与子问题目标函数值；如果是，则得到与目标函数对应的目标运行参数；其中，多目标鲁棒优化模型为基于二阶锥松弛算法和列约束生成算法的两阶段鲁棒优化模型。
本发明多目标鲁棒优化模型中的目标函数全方位考虑了交直流混合配电网中网络损耗、电压偏差和运行代价，并考虑了其中的柔性开关器件、储能系统和电压源变换器对交直流混合配电网运行期间产生影响的运行参数，协调优化中应用了多种控制手段，柔性互连设备即柔性开关器件能够有效调节交直流混合柔性配电网中不同部分之间的功率潮流，同时还考虑了分布式发电和载荷的不确定性，提出一种同时考虑运行代价、电压偏差和网络损耗的多目标鲁棒优化方法，且基于二阶锥松弛和列约束生成算法的两阶段鲁棒优化方法，能够更加快速有效地处理负荷和可再生能源的波动。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种交直流混合光储配电网优化方法流程示意图；
图2为本发明实施例公开的另一种交直流混合光储配电网优化方法示意图；
图3为本发明实施例公开的一种电压源变换器等效模型示意图；
图4为本发明实施例公开的一种多端口柔性开关等效模型示意图；
图5为本发明实施例公开的一种多目标鲁棒优化模型求解流程示意图；
图6为本发明实施例公开的一种改进的IEEE33节点交直流混合配电系统结构图；
图7为本发明实施例公开的一种交直流混合配电系统的分时电价示意图；
图8为本发明实施例公开的一种光伏和负荷的预测值示意图；
图9为本发明实施例公开的一种节点33在案例1和案例2中的电压曲线示意图；
图10为本发明实施例公开的一种节点33柔性开关的功率流动情况示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种交直流混合光储配电网优化方法，参见图1所示，该方法包括：
S11：给定一组不确定集至预设的多目标鲁棒优化模型。
具体的，预设的多目标鲁棒优化模型为基于二阶锥松弛算法和列约束生成(column and constraint generation，C&CG，列约束生成)算法的两阶段鲁棒优化模型，并基于以交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标函数和相关约束条件生成的，为了求解多目标鲁棒优化模型，将多目标鲁棒优化模型拆分了主问题模型和子问题模型，首先可以通过给定一组预设的不确定集至预设的多目标鲁棒优化模型，作为初始计算值，以使多目标鲁棒优化模型能够进行第一步的计算。
具体的，不确定集为包括交直流混合配电网中与分布式发电装置和载荷的输出功率对应的不确定度变量的集合。
S12：利用多目标鲁棒优化模型中的主问题模型基于不确定集对以交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标函数求解，得到主问题目标函数值。
具体的，为了计算多目标鲁棒优化模型，将多目标鲁棒优化模型拆分为两个模型分别解决两个问题，第一个便为主问题模型，第二个为子问题模型，为混合整数线性优化模型。
具体的，通过主问题模型对不确定集进行计算，能够通过目标函数计算出主问题目标函数值，并将主问题目标函数值作为迭代计算中的下限，以便后续判断是否可以退出迭代。
具体的，主问题目标函数值为利用目标函数求解主问题时，所得到的对应的解。
S13：将主问题目标函数值代入多目标鲁棒优化模型中的子问题模型对目标函数求解，得到新的新不确定集以及子问题目标函数值。
具体的，计算出主问题目标函数值后，将其代入多目标鲁棒优化模型中的子问题模型继续对目标函数求解，可以重新求解出新的新不确定集，并求得的子问题目标函数值，子问题目标函数值作为迭代计算中的上限，以便后续作为迭代判断条件。
S14：判断子问题目标函数值与主问题目标函数值的差值是否小于等于预设的阈值。
具体的，当子问题模型与主问题模型分别的得到子问题目标函数值与主问题目标函数值的差值越来越接近时，便能够认为越接近目标函数对应的最优解，因此，预先设定阈值，只有在子问题目标函数值与主问题目标函数值的差值小于等于预设的阈值时，才停止后续迭代过程，如果不小于则可以执行后续迭代过程，以促进子问题目标函数值与主问题目标函数值在每次迭代计算后逐渐接近。
S15：如果否，则将新不确定集重新返回至多目标鲁棒优化模型，进行迭代计算，以再次判断新的主问题目标函数值与子问题目标函数值。
具体的，如果子问题目标函数值与主问题目标函数值的差值大于预设的阈值，则将新不确定集重新带回多目标鲁棒优化模型中的主问题模型进行计算进行下一次的迭代，即返回S12，重新执行S12至S14的步骤，得到新的主问题目标函数值与子问题目标函数值，再次执行S15进行判断是否继续迭代。
S16：如果是，则得到与目标函数对应的目标运行参数。
具体的，如果子问题目标函数值与主问题目标函数值的差值小于等于预设的阈值，则表明当前输出的计算结果符合预期，得到与目标函数对应的目标运行参数，即交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标运行参数，得到目标运行参数后，根据目标运行参数修正交直流混合配电网的运行，从而实现提高配电网运行效率，减少损耗等效果，实现了优化。
其中，目标运行参数包括柔性开关器件和电压源变换器的有功功率和无功功率、储能系统充放电功率状态、分布式发电装置和载荷的输出功率等子问题优化变量解。
具体的，基于两阶段鲁棒优化算法，建立了考虑分布式发电和载荷不确定性的交直流混合配电网多目标优化模型。为了同时优化运行代价、电压偏差和网络损耗，提出一种基于多种可控手段的多目标协调优化模型。与常规的单目标优化相比，所提出的多目标鲁棒优化考虑了交直流混合配电系统的灵活性和安全性等。柔性开关和电压源变换器用于在交流和直流配电系统之间灵活地传输能量，并提高交直流混合柔性配电网络的能源效率。然后，所提出的鲁棒模型考虑了分布式发电和载荷的不确定性。通过求解两阶段鲁棒优化模型，配电网能够在"最恶劣"情景下获得最佳解。与传统确定性方法相比，实际值与预测值偏差越大，所提出的鲁棒方法的优化效果就越明显。此外，所提出的方案具有较强的鲁棒性，能够有效抵御可再生能源波动的风险。
可见，本发明实施例的多目标鲁棒优化模型中的目标函数全方位考虑了交直流混合配电网中网络损耗、电压偏差和运行代价，并考虑了其中的柔性开关器件、储能系统和电压源变换器对交直流混合配电网运行期间产生影响的运行参数，协调优化中应用了多种控制手段，柔性互连设备即柔性开关器件能够有效调节交直流混合柔性配电网中不同部分之间的功率潮流，同时还考虑了分布式发电和载荷的不确定性，提出一种同时考虑运行代价、电压偏差和网络损耗的多目标鲁棒优化方法，且基于二阶锥松弛和列约束生成算法的两阶段鲁棒优化方法，能够更加快速有效地处理负荷和可再生能源的波动。
本发明实施例公开了一种具体的交直流混合光储配电网优化方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。参见图2所示，具体的：
S21：给定一组不确定集至预设的多目标鲁棒优化模型；不确定集为包括交直流混合配电网中与分布式发电装置和载荷的输出功率对应的不确定度变量的集合；
S22：利用多目标鲁棒优化模型中的主问题模型基于不确定集对以交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标函数求解，得到主问题目标函数值；
S23：将主问题目标函数值代入多目标鲁棒优化模型中的子问题模型对目标函数求解，得到新的新不确定集以及子问题目标函数值；
S24：判断子问题目标函数值与主问题目标函数值的差值是否小于等于预设的阈值；
S25：如果否，则将新不确定集重新返回至多目标鲁棒优化模型，对多目标鲁棒优化模型增加下一次迭代的中引入子问题的主问题的变量和对应的下一次约束条件，进行迭代计算。
具体的，为了加快迭代速度，参见图5所示，在迭代的同时增加对多目标鲁棒优化模型增加下一次迭代的中引入子问题的主问题的变量(xl+1)和对应的下一次约束条件(约束公式(38)l＝l+1)，加快算法收敛速度，提高模型运行效率，促使更快得到目标运行参数。
S26：如果是，则得到与目标函数对应的目标运行参数；
其中，多目标鲁棒优化模型为基于二阶锥松弛算法和列约束生成算法的两阶段鲁棒优化模型。
具体的，为了同时优化网络损耗、电压偏差和运行成本，目标函数如下：
目标函数为：f＝min(λ1Ploss+λ2ΔV+λ3Cop) (1)
Figure BDA0003530246490000102
Figure BDA0003530246490000103
Figure BDA0003530246490000104
Figure BDA0003530246490000101
式中，f是目标函数值，λ1、λ2和λ3是全天网络损耗(Ploss)、电压偏差(ΔV)和运营成本(Cop)的权重因子，λ1+λ2+λ3＝1。Nac和Ndc分别是交流和直流配电系统的节点数。
功率损耗Ploss：Ωi是连接到节点i的所有节点的集合。Rij是节点i和节点j之间分支的阻力。Iij是从节点i到节点j的电流，price(t)是时间t的电价。
电压偏差ΔV：Vi(t)是节点i在时间t处的节点电压。Vop最小值和Vop最大值是电压优化范围的最大值和最小值。
运营代价Cop：K、N和J分别是电压源变换器、柔性开关和储能系统的数量。
Figure BDA0003530246490000105
和
Figure BDA0003530246490000106
分别是第k个电压源变换器和第n个柔性开关在时间t的功率损耗。
Figure BDA0003530246490000107
和
Figure BDA0003530246490000108
是第j个储能系统的充/放电功率。储能系统从电网吸收功率为正。Kess是储能系统的单位功率充/放电成本系数，取决于投资成本和维护成本。
需要说明的是，本发明实施例中运营代价中的成本可以作为可选项添加，在此只是举例可以添加的实时方法，来体现本发明实施例目标函数所能够考虑的参数的全面性。
具体的，所建立的多目标优化模型需要满足潮流、电压源变换器、柔性开关、储能系统的约束以及安全运行的约束。约束可以描述如下。
具体的，交直流混合配电网采用DistFlow模型。潮流约束为：
Figure BDA0003530246490000111
Figure BDA0003530246490000112
Vj(t)2＝Vi(t)2-2(RijPij(t)+XijQij(t))+(Rij 2+Xij 2)×Iij(t)2 (8)
式中，
Figure BDA0003530246490000113
是以节点i为头节点的分支集，φi是以节点i为结束节点的分支集，Rij和Xij是分支ij的阻力和电抗，Pih(t)和Qih(t)表示时间t时从节点i到节点h的有功和无功功率，Pi(t)和Qi(t)是节点i在时间t处注入的有功和无功功率，Pij(t)和Qij(t)是时间t时从节点i到节点j的有功和无功功率流，Vj(t)为节点j时间t时的电压幅值。在直流系统中，无功功率和电抗值在公式(6)-(8)中等于零。
具体的，电压源变换器的等效模型如图3所示，它等效于转换器的形式和串联阻抗。
电压源变换器约束条件包括：
Figure BDA0003530246490000114
Figure BDA0003530246490000115
Figure BDA0003530246490000116
Figure BDA0003530246490000117
Figure BDA0003530246490000118
式中，
Figure BDA0003530246490000119
和
Figure BDA00035302464900001110
是第k个电压源变换器的交流侧在时间t时注入的有功功率和无功功率，
Figure BDA00035302464900001111
是第k个电压源变换器在时间t时的有功损耗，
Figure BDA00035302464900001112
是第k个电压源变换器的直流侧在时间t时注入的有功功率，
Figure BDA00035302464900001113
和
Figure BDA00035302464900001114
是第k个电压源变换器的等效电阻和电抗，
Figure BDA00035302464900001115
是第k个电压源变换器的容量限制，
Figure BDA00035302464900001116
是第k个电压源变换器的损耗系数，
Figure BDA00035302464900001117
和
Figure BDA00035302464900001118
是第k个电压源变换器的有功功率和无功功率的上限。
其中，图3中Qk VSC表示第k个电压源型变流器直流侧无功功率。
具体的，柔性开关是一种软开关器件，用于调节交流和交流系统之间的能量传输。多端柔性开关的等效型号如图4所示。第n个多端柔性开关的约束条件包括：
Figure BDA0003530246490000121
Figure BDA0003530246490000122
Figure BDA0003530246490000123
式中，M是柔性开关的第n个端子数，Tm表示柔性开关的第m个终端，
Figure BDA0003530246490000124
和
Figure BDA0003530246490000125
是第n个柔性开关的m端在时间t时的有功功率，无功功率和有功功率损耗，
Figure BDA0003530246490000126
是第n个柔性开关的m端额定视在功率，
Figure BDA0003530246490000127
是第n个柔性开关的损耗系数。
具体的，储能系统约束条件包括：
Figure BDA0003530246490000128
Figure BDA0003530246490000129
式中，对于第j个储能系统，
Figure BDA00035302464900001210
是最大充电/放电功率，
Figure BDA00035302464900001211
是二元变量，当储能系统在时间t处于充电状态时等于0，处于放电状态等于1，
Figure BDA00035302464900001212
EESS(0)和
Figure BDA00035302464900001213
分别表示第j个储能系统的存储能量最小值、初始存储能量和存储能量最大值。
具体的，安全运行约束条件，包括：
Vi,min≤Vi(t)≤Vi,max (19)
Figure BDA00035302464900001214
其中，Vi,max和Vi,min是节点电压的上限和下限。Iij,max是支路允许的最大电流值。
具体的，基于前述的目标函数以及约束条件所构成的原始对目标优化模型中含有很多非线性部分，因此，引用二阶锥及替代的方法使系统线性化。
①利用公式(21)将公式(2)、(4)、(6-8)及(20)进行替换：
Figure BDA00035302464900001215
式中，Vi,2(t)和Iij,2(t)分别表示节点i在t时刻电压的平方和节点i到节点j电流的平方。
②对绝对值项进行处理，使μi(t)＝|Vi,2(t)-1|：
Figure BDA0003530246490000131
③对公式(7)、(13)、(16)进行二阶锥转化：
Figure BDA0003530246490000132
Figure BDA0003530246490000133
Figure BDA0003530246490000134
④圆形约束转化为正八边形约束：
Figure BDA0003530246490000135
Figure BDA0003530246490000136
此外，使用凸松弛和线性化，将原始多目标优化模型重新表述为以下SOCP模型，如公式(28)所示。
Figure BDA0003530246490000137
具体的，考虑到分布式发电和载荷输出的不确定性，本发明实施例针对交直流混合柔性配电网的鲁棒优化问题，构建了一个基于列约束生成的多目标鲁棒优化模型。
具体的，将公式(28)写成紧凑形式：
Figure BDA0003530246490000138
其中，x表示二进制变量向量，包括储能系统充电/放电状态。y是连续变量矢量，包括柔性开关，储能系统和电压源变换器的有功和无功功率。在公式(29)中，A、B、C、D、F和Iu是对应于约束的变量的系数矩阵。a、c、d、f和u是常量列向量。公式(29)中的第二行对应于公式(2)、公式(3)、公式(5)、公式(6)、公式(8)-(9)和公式(14)，第三行包括公式(9)、公式(11)、公式(17)-(20)、公式(22)和公式(26)-(27)，第四行表示在确定性模型中忽略了不确定性，分布式发电和载荷在每个时间步长的输出功率等于预测值，最后一行包括公式(23)-(25)。
确定性优化模型(29)可以通过二阶锥优化来解决。但是，由于预测误差的存在，该方法并不完全适用。因此在本发明实施例中，考虑了分布式发电和负荷的不确定性如公式(30)所示：
Figure BDA0003530246490000141
其中，uDG(t)和uL(t)是分布式发电和载荷在时间t的实际输出功率，
Figure BDA0003530246490000142
和
Figure BDA0003530246490000143
是t时分布式发电和载荷的预测输出功率。
Figure BDA0003530246490000144
和
Figure BDA0003530246490000145
是时间t时分布式发电和载荷功率的最大预测偏差。然后，提出两阶段鲁棒优化模型来处理公式(31)中的不确定性，以寻求最坏情况下的最优方案。u表示分布式发电和载荷的不确定度变量。
Figure BDA0003530246490000146
具体的，对多目标鲁棒优化模型求解过程中，列约束生成用于求解两阶段鲁棒优化模型，表示为方程(31)。该方法将模型分解为主问题和子问题，也即主问题模型和子问题模型，然后迭代进行求解。主问题模型的表述表示为：
Figure BDA0003530246490000147
式中，α表示主问题目标函数值。l是迭代次数，yl表示第l次引入主问题的子问题的变量，ul是在第l次迭代得到的最恶劣场景。
子问题模型表述为：
Figure BDA0003530246490000151
其中γ、λ、ν、ωi和
Figure BDA0003530246490000152
是对应于约束的对偶变量。xl表示在第l次迭代中引入子问题的主问题的变量。
对于每组给定的u，方程(33)可以简化为确定性优化模型。上面的公式具有max-min形式，其中内部最小化问题对于固定的x和u是线性的。因此，(33)可以基于强对偶理论改写为(34)：
Figure BDA0003530246490000153
式(34)的最优解仅在不确定性集的边界点时才获得。在本发明实施例中，最坏的情况发生在载荷的上限和分布式发电的下限。因此，分布式发电和载荷的不确定性集可以改写为如公式(35)所示。
Figure BDA0003530246490000154
其中，ГDG和ΓL，命名为"不确定性度"，是值在0和T之间的整数，用于调整最优解的保守程度，在此可以令：
Figure BDA0003530246490000155
其中，ξDG和ξL是分布式发电和载荷的波动区间系数。
经过上述变换后，公式(34)成为具有二进制变量和连续变量的形式，可以通过线性化技术进行转换。然后，子问题将转化混合整数线性优化模型：
Figure BDA0003530246490000162
其中，
Figure BDA0003530246490000163
是π的对偶变量的上限，是一个足够大的值。
经过上述过程后，将两阶段鲁棒优化模型分解为主问题和子问题，并通过列约束生成算法求解。流程图如图3所示，其中UB和LB是循环的上限和下限，公式(38)如下：
Figure BDA0003530246490000164
相应的，本发明实施例还公开了一种交直流混合光储配电网优化方法的具体应用场景：
具体的，在改进的IEEE33节点交直流混合配电网进行验证，如图6所示。该网络通过电压源变换器(VSC1、VSC2)分为交流网络(AC systems)和直流网络(DC systems)。交流和直流部件的基准电压均为12.66kV。节点1为松弛节点，单位电压值的优化区间为[0.985，1.015]。在本发明实施例中，分布式发电被认为是光伏。系统中有4组光伏(PV1、PV2、PV3、PV4)，分别与节点11、13、20和31相连，3台储能系统(ESS1、ESS2、ESS3)功率上限为1MW，额定容量为5MW·h，分别连接到节点15、24和30。此外，多终端柔性开关连接到节点21，25和33。三个24小时变化的载荷连接到节点18、23和32。假设电压源变换器的电源方向从交流部分到直流部分为正。系统调度步长为1小时，系统实行分时电价。每个时期的电价如图7所示。光伏和载荷的功率曲线如图8所示。电压源变换器和柔性开关的参数如表1所示。
表1
Figure BDA0003530246490000161
Figure BDA0003530246490000171
具体的，本发明实施例进行了24小时模拟。为了验证所提出的两阶段鲁棒优化方法的性能，在五种不同的情况下进行了仿真。这五种情况设置如下：
案例1：仅对电压源变换器经过优化；
案例2：对电压源变换器和柔性开关得到优化；
案例3：对电压源变换器、柔性开关和储能系统进行了优化，但没有考虑光伏和载荷的不确定性；
案例4：对电压源变换器、柔性开关和储能系统进行优化，考虑光伏和载荷的不确定性，预测波动范围为ξ＝ξDG＝ξL＝15％，ГPV＝6和ГL＝6；
案例5：对电压源变换器、柔性开关和储能系统进行优化，考虑光伏和载荷的不确定性，预测波动范围为ξ＝ξDG＝ξL＝15％，ГPV＝6和ГL＝12；
不同案例的日常操作优化结果见表2。比较案例1和案例2的结果，可以发现，柔性开关的添加降低了网络损耗，并显着改善了电压曲线。以节点33为例，带和不带柔性开关的电压曲线(案例1和案例2)如图9和图10所示。与案例1相比，案例2中的电压曲线在1-8h和19-24h期间得到改善，因为在此期间，柔性开关在此期间将电力从终端T1和T2传输到T3。柔性开关的加入使系统潮流模式更加灵活，可以更好地在交直流网络之间分配电力，增加交直流混合配电网的经济性和稳定性。
表2
Figure BDA0003530246490000172
Figure BDA0003530246490000181
与案例2和案例3相比，虽然储能系统增加了运行成本，但储能系统对电压偏差的调节作用是显而易见的。这是因为当功率相对足以弥补电源缺陷引起的严重电压降时，储能系统可以吸收功率。可以看出，电压源变换器、储能系统和柔性开关可以大大提高系统优化效果。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上对本发明所提供的技术内容进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种交直流混合光储配电网优化方法，其特征在于，包括：
给定一组不确定集至预设的多目标鲁棒优化模型；所述不确定集为包括交直流混合配电网中与分布式发电装置和载荷的输出功率对应的不确定度变量的集合；
利用所述多目标鲁棒优化模型中的主问题模型基于所述不确定集对以交直流混合配电网的网络损耗、电压偏差和运行代价为最小目标的目标函数求解，得到主问题目标函数值；
将所述主问题目标函数值代入所述多目标鲁棒优化模型中的子问题模型对所述目标函数求解，得到新的新不确定集以及子问题目标函数值；判断所述子问题目标函数值与所述主问题目标函数值的差值是否小于等于预设的阈值；
如果否，则将所述新不确定集重新返回至所述多目标鲁棒优化模型，进行迭代计算，以再次判断新的主问题目标函数值与子问题目标函数值；
如果是，则得到与所述目标函数对应的目标运行参数；
其中，所述多目标鲁棒优化模型为基于二阶锥松弛算法和列约束生成算法的两阶段鲁棒优化模型。
2.根据权利要求1所述的交直流混合光储配电网优化方法，其特征在于，所述目标函数为：f＝min(λ1Ploss+λ2ΔV+λ3Cop)；
其中，
Figure FDA0003530246480000011
Figure FDA0003530246480000012
Figure FDA0003530246480000013
Figure FDA0003530246480000014
式中，f是目标函数值，λ1、λ2和λ3是全天网络损耗(Ploss)、电压偏差(ΔV)和运营成本(Cop)的权重因子，λ1+λ2+λ3＝1，Nac和Ndc分别是交流和直流配电系统的节点数；功率损耗Ploss：Ωi是连接到节点i的所有节点的集合，Rij是节点i和节点j之间分支的阻力，Iij是从节点i到节点j的电流，price(t)是时间t的电价；电压偏差ΔV：Vi(t)是节点i在时间t处的节点电压，Vop最小值和Vop最大值是电压优化范围的最大值和最小值；运营成本Cop：K、N和J分别是电压源变换器、柔性开关和储能系统的数量，
Figure FDA0003530246480000021
和
Figure FDA0003530246480000022
分别是第k个电压源变换器和第n个柔性开关在时间t的功率损耗，
Figure FDA0003530246480000023
和
Figure FDA0003530246480000024
是第j个储能系统的充/放电功率，储能系统从电网吸收功率为正，Kess是储能系统的单位功率充/放电成本系数，取决于投资成本和维护成本。
3.根据权利要求2所述的交直流混合光储配电网优化方法，其特征在于，所述目标函数的约束条件包括：潮流约束条件、电压源变换器约束条件、柔性开关约束条件、储能系统约束条件和安全运行约束条件。
4.根据权利要求3所述的交直流混合光储配电网优化方法，其特征在于，所述潮流约束条件，包括：
Figure FDA0003530246480000025
Figure FDA0003530246480000026
Figure FDA0003530246480000027
式中，
Figure FDA0003530246480000028
是以节点i为头节点的分支集，φi是以节点i为结束节点的分支集，Rij和Xij是分支ij的阻力和电抗，Pih(t)和Qih(t)表示时间t时从节点i到节点h的有功和无功功率，Pi(t)和Qi(t)是节点i在时间t处注入的有功和无功功率，Pij(t)和Qij(t)是时间t时从节点i到节点j的有功和无功功率流，Vj(t)为节点j时间t时的电压幅值。
5.根据权利要求3所述的交直流混合光储配电网优化方法，其特征在于，所述电压源变换器约束条件，包括：
Figure FDA0003530246480000029
Figure FDA00035302464800000210
Figure FDA00035302464800000211
Figure FDA00035302464800000212
Figure FDA00035302464800000213
式中，
Figure FDA00035302464800000214
和
Figure FDA00035302464800000215
是第k个电压源变换器的交流侧在时间t时注入的有功功率和无功功率，
Figure FDA00035302464800000216
是第k个电压源变换器在时间t时的有功损耗，
Figure FDA00035302464800000217
是第k个电压源变换器的直流侧在时间t时注入的有功功率，
Figure FDA00035302464800000218
和
Figure FDA00035302464800000219
是第k个电压源变换器的等效电阻和电抗，
Figure FDA0003530246480000031
是第k个电压源变换器的容量限制，
Figure FDA0003530246480000032
是第k个电压源变换器的损耗系数，
Figure FDA0003530246480000033
和
Figure FDA0003530246480000034
是第k个电压源变换器的有功功率和无功功率的上限。
6.根据权利要求3所述的交直流混合光储配电网优化方法，其特征在于，所述柔性开关约束条件，包括：
Figure FDA0003530246480000035
Figure FDA0003530246480000036
Figure FDA0003530246480000037
式中，M是柔性开关的第n个端子数，Tm表示柔性开关的第m个终端，
Figure FDA0003530246480000038
和
Figure FDA0003530246480000039
是第n个柔性开关的m端在时间t时的有功功率，无功功率和有功功率损耗，
Figure FDA00035302464800000310
是第n个柔性开关的m端额定视在功率，
Figure FDA00035302464800000311
是第n个柔性开关的损耗系数。
7.根据权利要求3所述的交直流混合光储配电网优化方法，其特征在于，所述储能系统约束条件，包括：
Figure FDA00035302464800000312
Figure FDA00035302464800000313
式中，对于第j个储能系统，
Figure FDA00035302464800000314
是最大充电/放电功率，
Figure FDA00035302464800000315
是二元变量，当储能系统在时间t处于充电状态时等于0，处于放电状态等于1，
Figure FDA00035302464800000316
EESS(0)和
Figure FDA00035302464800000317
分别表示第j个储能系统的存储能量最小值、初始存储能量和存储能量最大值。
8.根据权利要求3所述的交直流混合光储配电网优化方法，其特征在于，所述安全运行约束条件，包括：
Vi,min≤Vi(t)≤Vi,max；
Figure FDA00035302464800000318
式中，Vi,max和Vi,min是节点电压的上限和下限，Iij,max是支路允许的最大电流值。
9.根据权利要求1至8任一项所述的交直流混合光储配电网优化方法，其特征在于，所述不确定集，包括：
Figure FDA0003530246480000041
Figure FDA0003530246480000042
式中，uDG(t)和uL(t)是分布式发电和载荷在时间t的实际输出功率，
Figure FDA0003530246480000043
和
Figure FDA0003530246480000044
是t时分布式发电和载荷的预测输出功率，
Figure FDA0003530246480000045
和
Figure FDA0003530246480000046
是时间t时分布式发电和载荷功率的最大预测偏差，u表示分布式发电和载荷的不确定度变量。
10.根据权利要求1至8任一项所述的交直流混合光储配电网优化方法，其特征在于，所述将所述新不确定集重新返回至所述多目标鲁棒优化模型，进行迭代计算时，还包括：
对所述多目标鲁棒优化模型增加下一次迭代的中引入子问题的主问题的变量和对应的下一次约束条件。
CN202210208988.5A 2022-03-03 2022-03-03 一种交直流混合光储配电网优化方法 Pending CN114548597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210208988.5A CN114548597A (zh) 2022-03-03 2022-03-03 一种交直流混合光储配电网优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210208988.5A CN114548597A (zh) 2022-03-03 2022-03-03 一种交直流混合光储配电网优化方法

Publications (1)

Publication Number Publication Date
CN114548597A true CN114548597A (zh) 2022-05-27

Family

ID=81661630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210208988.5A Pending CN114548597A (zh) 2022-03-03 2022-03-03 一种交直流混合光储配电网优化方法

Country Status (1)

Country Link
CN (1) CN114548597A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115270008A (zh) * 2022-09-29 2022-11-01 西南财经大学 最大影响力博主找寻方法及系统、存储介质及终端
CN115882478A (zh) * 2022-10-13 2023-03-31 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115270008A (zh) * 2022-09-29 2022-11-01 西南财经大学 最大影响力博主找寻方法及系统、存储介质及终端
CN115270008B (zh) * 2022-09-29 2023-01-10 西南财经大学 最大影响力博主找寻方法及系统、存储介质及终端
CN115882478A (zh) * 2022-10-13 2023-03-31 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统
CN115882478B (zh) * 2022-10-13 2023-09-08 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统

Similar Documents

Publication Publication Date Title
CN109861202B (zh) 一种柔性互联配电网动态优化调度方法及系统
CN109361242B (zh) 一种光伏发电自动电压控制方法
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN114548597A (zh) 一种交直流混合光储配电网优化方法
CN113516278B (zh) 有源配电网多时间尺度有功无功协调优化调度方法及系统
CN108933448B (zh) 一种含光伏电源的中低压配电网协调控制方法和系统
CN114649814A (zh) 一种柔性互联配电系统两阶段鲁棒优化方法
Li et al. Decentralized communication based two-tier volt-var control strategy for large-scale centralized photovoltaic power plant
CN111614110B (zh) 一种基于改进多目标粒子群算法的受端电网储能优化配置方法
Karandeh et al. Optimal scheduling of battery energy storage systems for solar power smoothing
Lei et al. Design of energy storage control strategy to improve the PV system power quality
Wang et al. Multi-objective robust optimization of hybrid AC/DC distribution networks considering flexible interconnection devices
Raza et al. Robust nonlinear control of regenerative fuel cell, supercapacitor, battery and wind based direct current microgrid
CN117394366A (zh) 一种含多微网的主动配电网不确定性分层调度方法
CN115588991A (zh) 一种三相不平衡配电网最优潮流模型建立方法
CN110112723A (zh) 一种直流微电网离网状态下的下垂控制方法
Atif et al. Battery integrated optimal power smoothing of solar PV output using meta-heuristic optimization
CN114759616A (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN112636376A (zh) 一种混合储能装置在配电网中的运行优化方法和架构
Niu et al. Power supply reliability evaluation method for DC distribution network with power energy router
Ramesh et al. Cost Optimization by Integrating PV-System and Battery Energy Storage System into Microgrid using Particle Swarm Optimization
Cui et al. Multi-Time Scale Optimization Scheduling of Ac-Dc Distribution Network Based on Model Predictive Control
Yuan et al. An Energy Management System Based on Adaptive Dynamic Programming for Microgrid Economic Operation
CN117374975B (zh) 一种基于近似动态规划的配电网实时协同调压方法
Stai et al. CoLinFlow: An Iterative Solution Approach for the Scenario-Based AC OPF in Active Meshed Distribution Grids With Batteries

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination